| 第一章 绪论 | 第1-26页 |
| 1．1 时延神经网络的研究现状与发展 | 第12-14页 |
| 1．1．1 时延微分方程的经典问题 | 第13页 |
| 1．1．2 时延神经网络（DNN）系统 | 第13-14页 |
| 1．2 时延神经网络系统的复杂动力学行为 | 第14-18页 |
| 1．2．1 Hopf分岔 | 第14-15页 |
| 1．2．2 混沌现象 | 第15-17页 |
| 1．2．3 Lyapunov指数 | 第17-18页 |
| 1．3 分岔控制 | 第18-19页 |
| 1．4 混沌的同步与控制 | 第19-22页 |
| 1．4．1 混沌同步与控制研究历史回顾 | 第19-20页 |
| 1．4．2 混沌控制方法 | 第20-21页 |
| 1．4．3 混沌神经网络系统的控制 | 第21-22页 |
| 1．5 时延神经网络的应用 | 第22-23页 |
| 1．6 本文的主要工作介绍 | 第23-26页 |
| 1．6．1 本文的主要工作和创新 | 第23-24页 |
| 1．6．2 论文的内容安排 | 第24-26页 |
| 第二章 时延神经元系统的Hopf分岔 | 第26-40页 |
| 2．1 Hopf分岔理论 | 第26-30页 |
| 2．1．1 结构稳定性 | 第26-27页 |
| 2．1．2 霍普夫（Hopf）分岔定理 | 第27-28页 |
| 2．1．3 庞加莱规范形 | 第28-30页 |
| 2．2 时延神经元的Hopf分岔 | 第30-39页 |
| 2．2．1 局部稳定性和Hopf分岔的存在性 | 第30-33页 |
| 2．2．2 周期解的方向和稳定性 | 第33-38页 |
| 2．2．3 计算机数值仿真例子 | 第38-39页 |
| 2．3 小结 | 第39-40页 |
| 第三章 混沌动力系统Lyapunov指数的估算 | 第40-50页 |
| 3．1 Lyapunov指数的一般理论 | 第40-42页 |
| 3．1．1 离散动力系统 | 第40页 |
| 3．1．2 微分动力系统 | 第40-41页 |
| 3．1．3 具有时延的微分连续动力系统 | 第41-42页 |
| 3．2 微分动力系统LLE的估算 | 第42-45页 |
| 3．2．1 时间序列方法 | 第42-44页 |
| 3．2．2 差分方法 | 第44-45页 |
| 3．2．3 变分方法 | 第45页 |
| 3．3 基于混沌序列预测的LLE的估算 | 第45-48页 |
| 3．3．1 混沌时间序列的预测 | 第45-47页 |
| 3．3．2 LLE的估算 | 第47-48页 |
| 3．4 小结 | 第48-50页 |
| 第四章 时延神经元系统的混沌现象 | 第50-60页 |
| 4．1 非线性动力学系统的混沌特性 | 第50-51页 |
| 4．2 吸引子的存在性 | 第51-53页 |
| 4．3 具有时延的单个神经网络元系统的混沌行为 | 第53-57页 |
| 4．3．1 极限环的失稳 | 第54-55页 |
| 4．3．2 混沌现象 | 第55-57页 |
| 4．4 具有时延的二神经元系统的复杂动力学行为 | 第57-59页 |
| 4．5 小结 | 第59-60页 |
| 第五章 时延神经元系统之间的同步 | 第60-71页 |
| 5．1 混沌同步的基本类型 | 第60-62页 |
| 5．1．1 自同步（identical synchronization） | 第60-61页 |
| 5．1．2一 般化同步（generalized synchronization） | 第61-62页 |
| 5．1．3 相位同步（phase synchronization） | 第62页 |
| 5．2 时延连续动力学系统稳定性的Lyapunov泛函方法 | 第62-64页 |
| 5．3 单个时延神经网络元系统之间的同步 | 第64-66页 |
| 5．3．1 混沌系统之间同步的解析条件 | 第64-65页 |
| 5．3．2 计算机数值仿真例子 | 第65-66页 |
| 5．4 时延神经网络系统之间的同步 | 第66-70页 |
| 5．4．1 混沌系统之间同步的解析条件 | 第66-69页 |
| 5．4．2 计算机数值仿真例子 | 第69-70页 |
| 5．5 小结 | 第70-71页 |
| 第六章 时延神经元系统Hopf分岔的控制 | 第71-94页 |
| 6．1 时延神经元系统控制的稳定性 | 第71-74页 |
| 6．2 时延神经元系统Hopf分岔的反馈控制 | 第74-81页 |
| 6．2．1 单神经元系统 | 第74-75页 |
| 6．2．2 二神经元系统 | 第75-79页 |
| 6．2．3 数值仿真例子 | 第79-81页 |
| 6．3 基于Washout滤波器的分岔控制 | 第81-88页 |
| 6．3．1 基于Washout滤波器控制模型 | 第81-82页 |
| 6．3．2 单神经元系统 | 第82-83页 |
| 6．3．3 二神经元系统 | 第83-86页 |
| 6．3．4 数值仿真例子 | 第86-88页 |
| 6．4 时延神经元系统Hopf分岔的反控制 | 第88-92页 |
| 6．5 小结 | 第92-94页 |
| 第七章 时延神经元系统Hopf分岔和混沌的控制 | 第94-107页 |
| 7．1 问题的提出 | 第94页 |
| 7．2 反馈控制 | 第94-100页 |
| 7．2．1 控制模型 | 第94-98页 |
| 7．2．2 计算机数值仿真例子 | 第98-100页 |
| 7．3 自适应控制 | 第100-106页 |
| 7．3．1 控制模型 | 第100-104页 |
| 7．3．2 计算机数值仿真例子 | 第104-106页 |
| 7．4 小结 | 第106-107页 |
| 第八章 今后工作的展望 | 第107-109页 |
| 参考文献 | 第109-122页 |
| 致谢 | 第122-123页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第123-124页 |
